2 Adjust data for perceived and just salaries

2.1 1999

2.1.1 Select variables

## [1] 1503    5
##        v3          v21                   v16             
##  Min.   :30   Min.   :      10000   Min.   :     100000  
##  1st Qu.:30   1st Qu.:      90000   1st Qu.:    2000000  
##  Median :30   Median :     100000   Median :   10000000  
##  Mean   :30   Mean   :20293168113   Mean   :37995788975  
##  3rd Qu.:30   3rd Qu.:     160000   3rd Qu.:99999999998  
##  Max.   :30   Max.   :99999999999   Max.   :99999999999  
##       v31                   v26             
##  Min.   :      25000   Min.   :      80000  
##  1st Qu.:     150000   1st Qu.:    2000000  
##  Median :     200000   Median :    5000000  
##  Mean   :21357897157   Mean   :42717023815  
##  3rd Qu.:     300000   3rd Qu.:99999999998  
##  Max.   :99999999999   Max.   :99999999999

2.1.2 Identify missings

## [1] "v3"  "v21" "v16" "v31" "v26"
##       v3                 v21                 v16           
##  Length:1503        Min.   :    10000   Min.   :   100000  
##  Class :character   1st Qu.:    90000   1st Qu.:  1500000  
##  Mode  :character   Median :    90000   Median :  3000000  
##                     Mean   :   527274   Mean   :  8230504  
##                     3rd Qu.:   100000   3rd Qu.:  6250000  
##                     Max.   :120000000   Max.   :543000000  
##                     NA's   :305         NA's   :571        
##       v31                 v26             
##  Min.   :    25000   Min.   :      80000  
##  1st Qu.:   150000   1st Qu.:    2000000  
##  Median :   200000   Median :    5000000  
##  Mean   :   777858   Mean   :42717023815  
##  3rd Qu.:   200000   3rd Qu.:99999999998  
##  Max.   :300000000   Max.   :99999999999  
##  NA's   :321
## [1] 889   5
##  v3 v21 v16 v31 v26 
##   0 305 571 321   0

2.1.4 Outliers

2.2 2009

2.2.1 Select variables

##        v5           v23                 v25               v28           
##  Min.   :152   Min.   :      -99   Min.   :    -99   Min.   :      -99  
##  1st Qu.:152   1st Qu.:  2000000   1st Qu.: 150000   1st Qu.:  1000000  
##  Median :152   Median :  5000000   Median : 160000   Median :  3000000  
##  Mean   :152   Mean   :  9991082   Mean   : 176822   Mean   :  5524310  
##  3rd Qu.:152   3rd Qu.: 10000000   3rd Qu.: 200000   3rd Qu.:  5000000  
##  Max.   :152   Max.   :400000000   Max.   :3000000   Max.   :400000000  
##       v30          
##  Min.   :     -99  
##  1st Qu.:  250000  
##  Median :  300000  
##  Mean   :  371163  
##  3rd Qu.:  380000  
##  Max.   :25000000

2.2.3 Outliers & NAs

##      pais             salperger           salperobr     
##  Length:1505        Min.   :   300000   Min.   : 50000  
##  Class :character   1st Qu.:  3000000   1st Qu.:150000  
##  Mode  :character   Median :  5000000   Median :160000  
##                     Mean   : 10065000   Mean   :181637  
##                     3rd Qu.: 10000000   3rd Qu.:200000  
##                     Max.   :100000000   Max.   :800000  
##                     NA's   :175         NA's   :86      
##    saljusger           saljusobr       
##  Min.   :   120000   Min.   :   80000  
##  1st Qu.:  2000000   1st Qu.:  250000  
##  Median :  3000000   Median :  300000  
##  Mean   :  6346388   Mean   :  391600  
##  3rd Qu.:  6000000   3rd Qu.:  400000  
##  Max.   :400000000   Max.   :25000000  
##  NA's   :195         NA's   :79
## [1] 1262    5

2.3 2019

2.3.1 Select variables

##  m2_p2_presidente    m2_p2_obrero     m2_p3_presidente    m2_p3_obrero    
##  Min.   :  300000   Min.   :    100   Min.   :   50000   Min.   :    300  
##  1st Qu.: 4000000   1st Qu.: 300000   1st Qu.: 2000000   1st Qu.: 400000  
##  Median : 8000000   Median : 300000   Median : 4000000   Median : 500000  
##  Mean   :11866859   Mean   : 364542   Mean   : 6366528   Mean   : 554185  
##  3rd Qu.:15000000   3rd Qu.: 400000   3rd Qu.: 7000000   3rd Qu.: 600000  
##  Max.   :90000000   Max.   :8000000   Max.   :90000000   Max.   :4000000  
##  NA's   :339        NA's   :108       NA's   :395        NA's   :125

2.3.3 Outliers & NAs

3 Descriptive analysis

3.1 Perception worker

##         n     mean        sd median  trimmed   min       max
## 1999 1198 527273.8 6948905.2  90000  96150.0 10000 120000000
## 2009 1442 184551.7  124627.4 160000 172671.1    80   3000000
## 2019 1272 364542.3  270663.8 300000 342744.6   100   8000000

3.2 Perception manager

##         n     mean       sd  median trimmed    min       max
## 1999  932  8230504 29300204 3000000 4157775 100000 543000000
## 2009 1343 11196273 22098413 5000000 7139535   5000 400000000
## 2019 1041 11866859 13282919 8000000 9101080 300000  90000000

3.3 Graph perception occupation

## Classes 'psych', 'describe' and 'data.frame':    6 obs. of  9 variables:
##  $ n      : num  932 1343 1041 1198 1442 ...
##  $ mean   : num  8230504 11196273 11866859 527274 184552 ...
##  $ sd     : num  29300204 22098413 13282919 6948905 124627 ...
##  $ median : num  3000000 5000000 8000000 90000 160000 300000
##  $ trimmed: num  4157775 7139535 9101080 96150 172671 ...
##  $ min    : num  100000 5000 300000 10000 80 100
##  $ max    : num  543000000 400000000 90000000 120000000 3000000 8000000
##  $ ocup   : num  2 2 2 1 1 1
##  $ year   : num  1999 2009 2019 1999 2009 ...
##          n       mean         sd  median   trimmed    min       max ocup
## 1999   932  8230504.3 29300203.6 3000000 4157774.8 100000 543000000    2
## 2009  1343 11196273.3 22098413.1 5000000 7139534.9   5000 400000000    2
## 2019  1041 11866858.8 13282918.7 8000000 9101080.4 300000  90000000    2
## 19991 1198   527273.8  6948905.2   90000   96150.0  10000 120000000    1
## 20091 1442   184551.7   124627.4  160000  172671.1     80   3000000    1
## 20191 1272   364542.3   270663.8  300000  342744.6    100   8000000    1
##       year
## 1999  1999
## 2009  2009
## 2019  2019
## 19991 1999
## 20091 2009
## 20191 2019

Brecha total de salario percibido por año
n mean sd median trimmed min max
1999 914 89.62 323.95 33.33 42.68 0.01 5524.86
2009 1337 603.63 6496.84 32.14 42.39 0.04 133333.33
2019 1037 279.97 3348.29 23.33 28.20 0.31 60000.00
Tabla: Brecha total de salario justo por año
n mean sd median trimmed min max
1999 854 24.62 103.04 10.0 13.85 0.02 2000
2009 1318 192.32 2158.49 10.0 14.05 0.00 40000
2019 977 66.42 764.77 7.5 9.42 0.08 14000
Brecha total de ln(salario percibido) por año
n mean sd median trimmed min max
1999 914 3.51 1.27 3.51 3.49 -4.38 8.62
2009 1337 3.58 1.31 3.47 3.51 -3.22 11.80
2019 1037 3.17 1.18 3.15 3.12 -1.16 11.00
Tabla: Brecha total de ln(salario justo) por año
n mean sd median trimmed min max
1999 854 2.41 1.13 2.30 2.41 -3.98 7.60
2009 1318 2.45 1.32 2.30 2.41 -6.40 10.60
2019 977 2.04 1.21 2.01 2.00 -2.48 9.55
Tabla: Brecha total de ln(salario justo) por año
n mean sd median trimmed min max
1999 836 2.43 1.06 2.30 2.42 -1.39 7.60
2009 1283 2.40 1.08 2.30 2.39 -1.83 6.91
2019 956 2.01 1.09 2.01 2.01 -2.48 5.30
Note:
Calculo realizado sin casos extremos superiores e inferiores
Media recortada sin el 5% de cada extremo
Tabla: Brecha total de ln(salario percibido) por año
n mean sd median trimmed min max
1999 881 3.54 1.17 3.51 3.50 0.00 8.62
2009 1283 3.53 1.09 3.47 3.50 -0.59 8.11
2019 1006 3.12 1.03 3.15 3.12 -1.16 6.57
Note:
Calculo realizado sin casos extremos superiores e inferiores
Media recortada sin el 5% de cada extremo

4 Meritocracia

4.1 1999

4.1.1 Percepción

(1) Esencial - No tiene importancia (5) (8 no sabe, 9 no responde)

  • v4: Importancia para surgir: provenir familia rica (wfami)

  • V5: Importancia para surgir: Conocer personas adecuadas (knope)

(1) Muy de acuerdo - Muy en desacuerdo (5) (8 no sabe, 9 no responde)

  • v6: Recompensas: En Chile las personas son remuneradas por sus esfuerzos (refor)

  • v7: Recompensas: En Chile las personas son remuneradas por su inteligencia y capacidades (rinte)

  • v8: Hoy en día, para llegar hasta el nivel más alto en Chile, hay que ser corrupto. (corru)

**Correlación Policórica para Batería de _Percepción_ de Meritocracia para Chile ISSP 1999**

Correlación Policórica para Batería de Percepción de Meritocracia para Chile ISSP 1999

Analisis Factorial 1999 Percepcion
  Factor 1 Factor 2
Importance: coming from a wealthy famil 0.08 0.55
Importance: Knowing the right people -0.09 0.67
People get rewarded for their effort 0.77 -0.02
People get rewarded for their skills 0.84 0.01
Cronbach’s α 0.79 0.45

4.1.2 Preferencia

(1) Esencial - No tiene importancia (5) (8 no sabe, 9 no responde) OO - v49:Importancia para pagar: nivel de responsabilidadad asociado al trabajo (respo)

  • v50:Importancia para pagar: numero de años dedicados a educación y capacitación (neduc)

  • v51:Importancia para pagar: si el trabajo requiere que se supervise a otras personas (suprv)

  • v52:Importancia para pagar: Lo que se necesita para mantener a una familia (mafam)

  • v53:Importancia para pagar: Que una persona tenga hijos que mantener (hchil)

  • v54:Importancia para pagar: Lo bien que él/ella realiza su trabajo (gdwrk)

  • v55:Importancia para pagar: Cuánto se esfuerza él ella en realizar su trabajo (effor)

**Correlación Policórica para Batería de _Preferencias_ en Meritocracia para Chile ISSP 1999**

Correlación Policórica para Batería de Preferencias en Meritocracia para Chile ISSP 1999

Analisis Factorial 1999 Preferencia
  Factor 1 Factor 2 Factor 3
Importance to pay: responsibility -0.03 0.08 0.54
Importance to pay: education & training 0.02 -0.13 0.67
Importance to pay: supervising others -0.00 0.12 0.45
Importance to pay: supporting a family 0.59 0.04 0.11
Importance to pay: having children 0.90 -0.04 -0.09
Importance to pay: how well they do it -0.10 0.84 0.00
Importance to pay: how hard they work 0.14 0.61 -0.02
Cronbach’s α 0.70 0.68 0.57
## lavaan 0.6-3 ended normally after 24 iterations
## 
##   Optimization method                           NLMINB
##   Number of free parameters                         38
## 
##                                                   Used       Total
##   Number of observations                          1412        1503
## 
##   Estimator                                       DWLS      Robust
##   Model Fit Test Statistic                      41.286      79.425
##   Degrees of freedom                                11          11
##   P-value (Chi-square)                           0.000       0.000
##   Scaling correction factor                                  0.525
##   Shift parameter                                            0.729
##     for simple second-order correction (Mplus variant)
## 
## Model test baseline model:
## 
##   Minimum Function Test Statistic             7506.930    4915.746
##   Degrees of freedom                                21          21
##   P-value                                        0.000       0.000
## 
## User model versus baseline model:
## 
##   Comparative Fit Index (CFI)                    0.996       0.986
##   Tucker-Lewis Index (TLI)                       0.992       0.973
## 
##   Robust Comparative Fit Index (CFI)                            NA
##   Robust Tucker-Lewis Index (TLI)                               NA
## 
## Root Mean Square Error of Approximation:
## 
##   RMSEA                                          0.044       0.066
##   90 Percent Confidence Interval          0.030  0.059       0.053  0.080
##   P-value RMSEA <= 0.05                          0.725       0.022
## 
##   Robust RMSEA                                                  NA
##   90 Percent Confidence Interval                                NA     NA
## 
## Standardized Root Mean Square Residual:
## 
##   SRMR                                           0.027       0.027
## 
## Parameter Estimates:
## 
##   Information                                 Expected
##   Information saturated (h1) model        Unstructured
##   Standard Errors                           Robust.sem
## 
## Latent Variables:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##   resp =~                                                               
##     respo             1.000                               0.654    0.654
##     neduc             0.928    0.047   19.930    0.000    0.607    0.607
##     suprv             0.988    0.048   20.717    0.000    0.646    0.646
##   fami =~                                                               
##     mafam             1.000                               0.822    0.822
##     hchil             0.884    0.039   22.624    0.000    0.727    0.727
##   merit =~                                                              
##     gdwrk             1.000                               0.770    0.770
##     effor             1.030    0.031   33.618    0.000    0.793    0.793
## 
## Covariances:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##   resp ~~                                                               
##     fami              0.286    0.019   14.826    0.000    0.533    0.533
##     merit             0.357    0.020   18.137    0.000    0.709    0.709
##   fami ~~                                                               
##     merit             0.406    0.020   20.635    0.000    0.642    0.642
## 
## Intercepts:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##    .respo             0.000                               0.000    0.000
##    .neduc             0.000                               0.000    0.000
##    .suprv             0.000                               0.000    0.000
##    .mafam             0.000                               0.000    0.000
##    .hchil             0.000                               0.000    0.000
##    .gdwrk             0.000                               0.000    0.000
##    .effor             0.000                               0.000    0.000
##     resp              0.000                               0.000    0.000
##     fami              0.000                               0.000    0.000
##     merit             0.000                               0.000    0.000
## 
## Thresholds:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##     respo|t1         -2.859    0.183  -15.622    0.000   -2.859   -2.859
##     respo|t2         -2.155    0.084  -25.574    0.000   -2.155   -2.155
##     respo|t3         -1.018    0.040  -25.147    0.000   -1.018   -1.018
##     respo|t4          0.635    0.036   17.671    0.000    0.635    0.635
##     neduc|t1         -2.693    0.149  -18.086    0.000   -2.693   -2.693
##     neduc|t2         -1.807    0.063  -28.646    0.000   -1.807   -1.807
##     neduc|t3         -0.902    0.039  -23.255    0.000   -0.902   -0.902
##     neduc|t4          0.697    0.036   19.103    0.000    0.697    0.697
##     suprv|t1         -2.279    0.095  -24.036    0.000   -2.279   -2.279
##     suprv|t2         -1.429    0.049  -29.022    0.000   -1.429   -1.429
##     suprv|t3         -0.637    0.036  -17.723    0.000   -0.637   -0.637
##     suprv|t4          0.889    0.039   23.016    0.000    0.889    0.889
##     mafam|t1         -2.357    0.103  -22.987    0.000   -2.357   -2.357
##     mafam|t2         -1.609    0.055  -29.285    0.000   -1.609   -1.609
##     mafam|t3         -0.711    0.037  -19.407    0.000   -0.711   -0.711
##     mafam|t4          0.672    0.036   18.542    0.000    0.672    0.672
##     hchil|t1         -2.029    0.075  -26.930    0.000   -2.029   -2.029
##     hchil|t2         -1.368    0.048  -28.736    0.000   -1.368   -1.368
##     hchil|t3         -0.575    0.035  -16.225    0.000   -0.575   -0.575
##     hchil|t4          0.828    0.038   21.853    0.000    0.828    0.828
##     gdwrk|t1         -2.985    0.216  -13.808    0.000   -2.985   -2.985
##     gdwrk|t2         -1.989    0.073  -27.308    0.000   -1.989   -1.989
##     gdwrk|t3         -0.757    0.037  -20.415    0.000   -0.757   -0.757
##     gdwrk|t4          0.795    0.038   21.212    0.000    0.795    0.795
##     effor|t1         -2.387    0.106  -22.576    0.000   -2.387   -2.387
##     effor|t2         -1.345    0.047  -28.607    0.000   -1.345   -1.345
##     effor|t3         -0.448    0.035  -12.935    0.000   -0.448   -0.448
##     effor|t4          0.916    0.039   23.492    0.000    0.916    0.916
## 
## Variances:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##    .respo             0.573                               0.573    0.573
##    .neduc             0.632                               0.632    0.632
##    .suprv             0.583                               0.583    0.583
##    .mafam             0.324                               0.324    0.324
##    .hchil             0.472                               0.472    0.472
##    .gdwrk             0.407                               0.407    0.407
##    .effor             0.371                               0.371    0.371
##     resp              0.427    0.029   14.684    0.000    1.000    1.000
##     fami              0.676    0.031   21.940    0.000    1.000    1.000
##     merit             0.593    0.023   25.248    0.000    1.000    1.000
## 
## Scales y*:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##     respo             1.000                               1.000    1.000
##     neduc             1.000                               1.000    1.000
##     suprv             1.000                               1.000    1.000
##     mafam             1.000                               1.000    1.000
##     hchil             1.000                               1.000    1.000
##     gdwrk             1.000                               1.000    1.000
##     effor             1.000                               1.000    1.000

4.2 2009

4.2.1 Percepción

(1) Esencial - No tiene importancia (5) (8 no sabe, 9 no responde)

  • V6 : Importancia para surgir: provenir de familia rica (wfami)

  • V7 : Importancia para surgir: tener padres con buen nivel de educación (edpar)

  • V8 : Importancia para surgir: que UD tenga un buen nivel de educación (slfed)

  • V9 : Importancia para surgir: Tener ambición (ambit)

  • V10: Importancia para surgir: trabajo duro (hwork)

  • V11: Importancia para surgir: conocer a las personas adecuadas (knope)

  • V12: Importancia para surgir: tener contactos políticos (polco)

  • V13: Importancia para surgir: pagar coimas (corru)

  • V14: Importancia para surgir: la raza u origen étnico de las personas (etnic)

  • V15: Importancia para surgir: la religión que tengan las personas (relig)

  • V16: Importancia para surgir: el sexo de las personas, ser hombre o mujer (gendr)

merit09 <- cl09 %>% select(v6:v16,v47:v52)

merit09$v6  <- car::recode(merit09$v6 ,"c(8,9)=NA",as.numeric = TRUE) # Recodificación missing
merit09$v7  <- car::recode(merit09$v7 ,"c(8,9)=NA",as.numeric = TRUE)
merit09$v8  <- car::recode(merit09$v8 ,"c(8,9)=NA",as.numeric = TRUE)
merit09$v9  <- car::recode(merit09$v9 ,"c(8,9)=NA",as.numeric = TRUE)
merit09$v10 <- car::recode(merit09$v10,"c(8,9)=NA",as.numeric = TRUE)
merit09$v11 <- car::recode(merit09$v11,"c(8,9)=NA",as.numeric = TRUE)
merit09$v12 <- car::recode(merit09$v12,"c(8,9)=NA",as.numeric = TRUE)
merit09$v13 <- car::recode(merit09$v13,"c(8,9)=NA",as.numeric = TRUE)
merit09$v14 <- car::recode(merit09$v14,"c(8,9)=NA",as.numeric = TRUE)
merit09$v15 <- car::recode(merit09$v15,"c(8,9)=NA",as.numeric = TRUE)
merit09$v16 <- car::recode(merit09$v16,"c(8,9)=NA",as.numeric = TRUE)

merit09$v6  <-sjmisc::rec(merit09$v6 ,rec="rev")# invertir sentido escala
merit09$v7  <-sjmisc::rec(merit09$v7 ,rec="rev")# invertir sentido escala
merit09$v8  <-sjmisc::rec(merit09$v8 ,rec="rev")# invertir sentido escala
merit09$v9  <-sjmisc::rec(merit09$v9 ,rec="rev")# invertir sentido escala
merit09$v10 <-sjmisc::rec(merit09$v10,rec="rev")# invertir sentido escala
merit09$v11 <-sjmisc::rec(merit09$v11,rec="rev")# invertir sentido escala
merit09$v12 <-sjmisc::rec(merit09$v12,rec="rev")# invertir sentido escala
merit09$v13 <-sjmisc::rec(merit09$v13,rec="rev")# invertir sentido escala
merit09$v14 <-sjmisc::rec(merit09$v14,rec="rev")# invertir sentido escala
merit09$v15 <-sjmisc::rec(merit09$v15,rec="rev")# invertir sentido escala
merit09$v16 <-sjmisc::rec(merit09$v16,rec="rev")# invertir sentido escala

merit09<- rename(merit09,
                 wfami=v6 ,
                 edpar=v7 ,
                 slfed=v8 ,
                 ambit=v9 ,
                 hwork=v10,
                 knope=v11,
                 polco=v12,
                 corru=v13,
                 etnic=v14,
                 relig=v15,
                 gendr=v16)


poly09a <- psych::polychoric(select(merit09,c(wfami,edpar,slfed,ambit,hwork,knope,polco,corru,etnic,relig,gendr)),na.rm = TRUE)
**Correlación Policórica para Batería de _Percepción_ en Meritocracia para Chile ISSP 2009**

Correlación Policórica para Batería de Percepción en Meritocracia para Chile ISSP 2009

Analisis Factorial 2009 Percepcion
  Factor 1 Factor 2 Factor 3 Factor 4
Q1a Getting ahead: How important is
coming from a wealthy family?
-0.01 0.58 0.23 -0.07
Q1b Getting ahead: How important is
having well-educated parents?
0.04 0.82 -0.08 -0.03
Q1c Getting ahead: How important is
having a good education yourself?
-0.01 0.21 -0.09 0.33
Q1d Getting ahead: How Important is
having ambition?
-0.03 -0.07 0.18 0.62
Q1e Getting ahead: How important is hard
work?
0.02 -0.11 -0.05 0.57
Q1g Getting ahead: How important is
having political connections?
-0.07 0.06 0.73 -0.00
Q1h Getting ahead: How important is
giving bribes?
0.32 -0.04 0.44 0.08
Q1i Getting ahead: How important is a
person’s race?
0.66 0.08 0.11 -0.04
Q1j Getting ahead: How important is a
person’s religion?
0.91 -0.06 -0.11 -0.04
Q1k Getting ahead: How important is
being born a man or a woman?
0.79 0.05 -0.04 0.05
Cronbach’s α 0.82 0.67 0.60 0.49

4.2.2 Preferencia

  • V47:Importancia para pagar: el nivel de responsabilidad que tiene el trabajo (respo)

  • V48:Importancia para pagar: el numero de años dedicados a la educación y capacitación (neduc)

  • V49:Importancia para pagar: lo que se necesita para mantener una familia (mafam)

  • V50:Importancia para pagar: El que la persona tenga hijos que mantener (hchil)

  • V51:Importancia para pagar: lo bien que él o ella realiza su tabajo (gdwrk)

  • V52:Importancia para pagar: Lo que él o ella se esfuerza al realizar su trabajo (effor)

**Correlación Policórica para Batería de _Preferencias_ en Meritocracia para Chile ISSP 2009**

Correlación Policórica para Batería de Preferencias en Meritocracia para Chile ISSP 2009

Analisis Factorial 2009 Preferencia
  Factor 1 Factor 2
Q12a Important for pay: How much
responsibility goes with the job?
0.48 0.04
Q12b Important for pay: the number of
years spent in education and training?
0.35 0.10
Q12c Important for pay: what is needed
to support a family?
-0.10 0.99
Q12d Important for pay: whether the
person has children to support?
0.06 0.66
Q12e Important for pay: how well he or
she does the job?
0.93 -0.17
Q12f Important for pay: How hard he or
she works at the job?
0.76 0.00
Cronbach’s α 0.71 0.79

4.3 2019

4.3.1 Percepción

(1) Esencial - No tiene importancia (5) (8 no sabe, 9 no responde)

  • M2_P1_1 : Para surgir en la vida: Tener ambición

  • M2_P1_2 : Para surgir en la vida: Provenir de una familia rica

  • M2_P1_3 : Para surgir en la vida: Tener padres con buen nivel de educación

  • M2_P1_4 : Para surgir en la vida: Que UD tenga un buen nivel de educación

  • M2_P1_5 : Para surgir en la vida: El Trabajo Duro

  • M2_P1_6 : Para surgir en la vida: Conocer a la personas adecuadas

  • M2_P1_7 : Para surgir en la vida: Tener contactos políticos

  • M2_P1_8 : Para surgir en la vida: Pagar coimas

  • M2_P1_9 : Para surgir en la vida: La raza u origen étnico de la persona

  • M2_P1_10: Para surgir en la vida: la religión de las personas

  • M2_P1_11: Para surgir en la vida: el sexo de las personas

merit19 <- cl19 %>% select(m2_p1_1:m2_p1_11,m2_p14_1:m2_p14_4)

merit19$m2_p1_1  <- car::recode(merit19$m2_p1_1  ,"c(8,9)=NA",as.numeric = TRUE) # Recodificación missing
merit19$m2_p1_2  <- car::recode(merit19$m2_p1_2  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_3  <- car::recode(merit19$m2_p1_3  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_4  <- car::recode(merit19$m2_p1_4  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_5  <- car::recode(merit19$m2_p1_5  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_6  <- car::recode(merit19$m2_p1_6  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_7  <- car::recode(merit19$m2_p1_7  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_8  <- car::recode(merit19$m2_p1_8  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_9  <- car::recode(merit19$m2_p1_9  ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_10 <- car::recode(merit19$m2_p1_10 ,"c(8,9)=NA",as.numeric = TRUE)
merit19$m2_p1_11 <- car::recode(merit19$m2_p1_11 ,"c(8,9)=NA",as.numeric = TRUE)

merit19$m2_p1_1  <-sjmisc::rec(merit19$m2_p1_1 ,rec="rev")# invertir sentido escala
merit19$m2_p1_2  <-sjmisc::rec(merit19$m2_p1_2 ,rec="rev")# invertir sentido escala
merit19$m2_p1_3  <-sjmisc::rec(merit19$m2_p1_3 ,rec="rev")# invertir sentido escala
merit19$m2_p1_4  <-sjmisc::rec(merit19$m2_p1_4 ,rec="rev")# invertir sentido escala
merit19$m2_p1_5  <-sjmisc::rec(merit19$m2_p1_5 ,rec="rev")# invertir sentido escala
merit19$m2_p1_6  <-sjmisc::rec(merit19$m2_p1_6 ,rec="rev")# invertir sentido escala
merit19$m2_p1_7  <-sjmisc::rec(merit19$m2_p1_7 ,rec="rev")# invertir sentido escala
merit19$m2_p1_8  <-sjmisc::rec(merit19$m2_p1_8 ,rec="rev")# invertir sentido escala
merit19$m2_p1_9  <-sjmisc::rec(merit19$m2_p1_9 ,rec="rev")# invertir sentido escala
merit19$m2_p1_10 <-sjmisc::rec(merit19$m2_p1_10,rec="rev")# invertir sentido escala
merit19$m2_p1_11 <-sjmisc::rec(merit19$m2_p1_11,rec="rev")# invertir sentido escala

merit19<- rename(merit19,
                 ambit=m2_p1_1 ,
                 wfami=m2_p1_2 ,
                 edpar=m2_p1_3 ,
                 slfed=m2_p1_4 ,
                 hwork=m2_p1_5 ,
                 knope=m2_p1_6 ,
                 polco=m2_p1_7 ,
                 corru=m2_p1_8 ,
                 etnic=m2_p1_9 ,
                 relig=m2_p1_10,
                 gendr=m2_p1_11 )


poly19a <- psych::polychoric(select(merit19,c(wfami,edpar,slfed,ambit,hwork,knope,polco,corru,etnic,relig,gendr)),na.rm = TRUE)
**Correlación Policórica para Batería de _Percepción_ en Meritocracia para Chile ISSP 2019**

Correlación Policórica para Batería de Percepción en Meritocracia para Chile ISSP 2019

Analisis Factorial 2019 Percepción
  Factor 1 Factor 2 Factor 3 Factor 4
Para surgir en la vida, ¿cuán importante
cree Ud. que es "Provenir de una famili
-0.09 0.74 0.01 -0.02
Para surgir en la vida, ¿cuán importante
cree Ud. que es "Tener padres con altos
-0.06 0.56 0.02 0.16
Para surgir en la vida, ¿cuán importante
cree Ud. que es "Que Ud. tenga un buen
0.07 0.11 -0.02 0.87
Para surgir en la vida, ¿cuán importante
cree Ud. que es “El trabajo duro”?
0.02 0.02 0.94 -0.02
Para surgir en la vida, ¿cuán importante
cree Ud. que es "Tener contactos políti
0.27 0.45 -0.03 -0.04
Para surgir en la vida, ¿cuán importante
cree Ud. que es “Pagar coimas”?
0.43 0.32 -0.00 -0.17
Para surgir en la vida, ¿cuán importante
cree Ud. que es "La raza u origen étnic
0.82 -0.00 -0.01 -0.00
Para surgir en la vida, ¿cuán importante
cree Ud. que es "La religión de las per
0.88 -0.10 0.01 0.08
Para surgir en la vida, ¿cuán importante
cree Ud. que es "El sexo de las persona
0.93 -0.13 0.02 0.08
Cronbach’s α 0.85 0.61